百度云(https://cloud.baidu.com/)提供了许多人工智能的API接口,有一些是可以免费使用的。
image.png
环境配置
使用环境
windows7 x64
python3.7
vscode 编辑器，用于写代码
ffmpeg 用于将wav格式的音频文件转化成pcm格式，可在其官网(https://www.ffmpeg.org/)上下载
ffmpeg 下载后解压，不用安装，将bin中三个文件复制到system32目录下即可。
使用到的python包有aip 百度AI接口库 使用pip install baidu-aip安装
pyaudio python3.7使用pip安装会报错，可以下载whl文件(https://github.com/intxcc/pyaudio_portaudio/releases),离线安装pip install PyAudio-0.2.11-cp37-cp37m-win_amd64.whl，pyaudio库的使用可参考https://people.csail.mit.edu/hubert/pyaudio/，上面有例子代码
wave 使用pip install wave安装
代码实现
工具函数
#-*- coding:utf-8 -*-
"""音频处理"""
import os
import pyaudio
import wave
CHUNK = 1024
FORMAT = pyaudio.paInt16
CHANNELS = 2
#RATE = 44100
RATE = 16000
RECORD_SECONDS = 5
#用来播放声音，声音文件为wav格式
def play_wav(filename):
wf = wave.open(filename, 'rb')
p = pyaudio.PyAudio()
stream = p.open(format=p.get_format_from_width(wf.getsampwidth()),
channels=wf.getnchannels(),
rate=wf.getframerate(),
output=True)
data = wf.readframes(CHUNK)
while len(data) != 0:
stream.write(data)
data = wf.readframes(CHUNK)
stream.stop_stream()
stream.close()
p.terminate()
#录音，将声音保存为wav格式
def record(output_filename):
p = pyaudio.PyAudio()
stream = p.open(format=FORMAT,
channels=CHANNELS,
rate=RATE,
input=True,
frames_per_buffer=CHUNK)
print("开始录音，最长为5s")
frames = []
over_flag = False
for i in range(0, int(RATE / CHUNK * RECORD_SECONDS)):
data = stream.read(CHUNK)
frames.append(data)
print("录音结束")
stream.stop_stream()
stream.close()
p.terminate()
wf = wave.open(output_filename, 'wb')
wf.setnchannels(CHANNELS)
wf.setsampwidth(p.get_sample_size(FORMAT))
wf.setframerate(RATE)
wf.writeframes(b''.join(frames))
wf.close()
#调用ffmpeg将wav格式的音频文件转化成pcm格式，返回pcm格式文件名
#可参考https://www.cnblogs.com/DragonFire/p/9212935.html
#http://ai.baidu.com/docs#/ASR-Tool-convert/top
def wav2pcm(wav_file_name):
# 假设 wav_file = "音频文件.wav"
# wav_file.split(".") 得到["音频文件","wav"] 拿出第一个结果"音频文件" 与 ".pcm" 拼接 等到结果 "音频文件.pcm"
pcm_file = "%s.pcm" %(wav_file_name.split(".")[0])
# 就是此前我们在cmd窗口中输入命令,这里面就是在让Python帮我们在cmd中执行命令
os.system("ffmpeg -y -i %s -acodec pcm_s16le -f s16le -ac 1 -ar 16000 %s > ffmpeg.log"%(wav_file_name,pcm_file))
return pcm_file
测试代码
#-*- coding:utf-8 -*-
from aip import AipSpeech
import pyaudio
import wave
import sys
from pyaudio_utils import play_wav,record,wav2pcm
""" 你的 APPID AK SK """
#如何获取这三个参数可参考官方文档
APP_ID = 'xxxx'
API_KEY = 'xxxx'
SECRET_KEY = 'xxx'
client = AipSpeech(APP_ID, API_KEY, SECRET_KEY)
#语音合成
#参考https://cloud.baidu.com/doc/SPEECH/TTS-Online-Python-SDK.html#.E8.AF.B7.E6.B1.82.E8.AF.B4.E6.98.8E
def text2sound(msg):
result = client.synthesis(msg, 'zh', 1, {
'vol': 5,'aue':6
})
# 识别正确返回语音二进制 错误则返回dict 参照下面错误码
if not isinstance(result, dict):
with open('auido.wav', 'wb') as f:
f.write(result)
play_wav('auido.wav')
#语音识别
#参考https://cloud.baidu.com/doc/SPEECH/ASR-Online-Python-SDK.html#.E8.AF.B7.E6.B1.82.E8.AF.B4.E6.98.8E
def sound2text(sound_filename,fmt):
# 识别本地文件
res = client.asr(open(sound_filename,'rb').read(), fmt, 16000, {
'dev_pid': 1536,
})
print(res)
if 'result' in res.keys():
return(res['result'][0])
return ''
def test():
while True:
#录音
record('output.wav')
#播放录音
play_wav('output.wav')
#将wav转化为pcm文件
pcm_filename = wav2pcm('output.wav')
#将声音转化为文字
res = sound2text(pcm_filename,'pcm')
if res:
#将文字转化为声音并读出
text2sound(res)
test()
